Formation Ray.io

PROGRAMME DE NOTRE FORMATION RAY.IO

INTRODUCTION À RAY

• Présentation générale et des fonctionnalités
• Installation de Ray et configuration de l’environnement initial
• Composants clés et architecture
• Use Cases
• Communauté Ray et ressources disponibles

CONCEPTS FONDAMENTAUX

• Exploration de Ray Core :
  • tâches
  • acteurs
• Moteur d’exécution distribuée
• Utilisation de l’API pour la création d’applications distribuées
• Gestion des erreurs et des exceptions dans un environnement distribué
• Meilleures pratiques pour la gestion des états dans les applications

PROGRAMMATION DISTRIBUÉE

• Construction et déploiement d’une première application distribuée simple
• Stratégies de déploiement d’applications sur des clusters locaux ou dans le cloud
• Débogage et optimisation des performances
• Exemples pratiques d’intégration de Ray avec des bibliothèques de machine learning comme PyTorch et TensorFlow
• Ray Tune pour l’optimisation des hyperparamètres dans des projets de machine learning

TRAITEMENT DE DONNÉES ET ENTRAÎNEMENT DISTRIBUÉ

• Utilisation de Ray Data pour le traitement de grandes données de manière distribuée
• Introduction à Ray Train pour l’entraînement distribué de modèles de deep learning
• Mise en œuvre pratique d’un pipeline de traitement de données
• Configuration et exécution d’un entraînement distribué sur plusieurs nœuds
• Techniques de scalabilité et gestion des ressources dans des environnements distribués

INFÉRENCE EN LIGNE ET GESTION DE MODÈLES AVEC RAY SERVE

• Déploiement et gestion de modèles de machine learning en production avec Ray Serve
• Techniques de composition et de multiplexage de modèles pour des déploiements efficaces
• Configuration et surveillance des services Ray Serve en production
• Scénarios pratiques : Déploiement d’applications de machine learning utilisant FastAPI et Ray Serve
• Autoscaling et allocation de ressources pour des services en production.

SURVEILLANCE, SÉCURITÉ ET OPTIMISATION DES CLUSTERS RAY

• Configuration, déploiement et gestion des clusters Ray
• Utilisation du tableau de bord Ray pour la surveillance et le débogage des applications et des clusters
• Bonnes pratiques de sécurité pour les applications distribuées
• Techniques avancées pour l’optimisation des performances des clusters Ray
• Résolution de problèmes courants et dépannage dans des environnements Ray